选择器Mixin#
- class sklearn.feature_selection.SelectorMixin[source]#
执行特征选择的可变换Mixin，给定一个支持掩码。
此混合器提供了一个特征选择器实现，具有
transform和inverse_transform功能，前提是已实现_get_support_mask。示例
>>> import numpy as np >>> from sklearn.datasets import load_iris >>> from sklearn.base import BaseEstimator >>> from sklearn.feature_selection import SelectorMixin >>> class FeatureSelector(SelectorMixin, BaseEstimator): ... def fit(self, X, y=None): ... self.n_features_in_ = X.shape[1] ... return self ... def _get_support_mask(self): ... mask = np.zeros(self.n_features_in_, dtype=bool) ... mask[:2] = True # select the first two features ... return mask >>> X, y = load_iris(return_X_y=True) >>> FeatureSelector().fit_transform(X, y).shape (150, 2)
- fit_transform(X, y=None, **fit_params)[source]#
拟合数据，然后转换它。
使用可选参数
fit_params将转换器拟合到X和y，并返回X的转换版本。- 参数：
- X形状为 (n_samples, n_features) 的类数组
输入样本。
- y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组，默认为 None
目标值（无监督变换为 None）。
- **fit_params字典
附加拟合参数。
- 返回值：
- X_new形状为 (n_samples, n_features_new) 的ndarray 数组
转换后的数组。
- get_feature_names_out(input_features=None)[source]#
根据选定的特征掩盖特征名称。
- 参数：
- input_features字符串类数组或 None，默认为 None
输入特征。
如果
input_features为None，则使用feature_names_in_作为输入特征名称。如果feature_names_in_未定义，则生成以下输入特征名称：["x0", "x1", ..., "x(n_features_in_ - 1)"]。如果
input_features是类数组，则如果feature_names_in_已定义，input_features必须与feature_names_in_匹配。
- 返回值：
- feature_names_out字符串对象的ndarray
转换后的特征名称。
- get_support(indices=False)[source]#
获取所选特征的掩码或整数索引。
- 参数：
- indices布尔值，默认为 False
如果为 True，则返回值将是一个整数数组，而不是布尔掩码。
- 返回值：
- support数组
从特征向量中选择保留特征的索引。如果
indices为 False，则这是一个形状为 [# 输入特征] 的布尔数组，其中一个元素为 True 当且仅当其对应的特征被选择保留。如果indices为 True，则这是一个形状为 [# 输出特征] 的整数数组，其值为输入特征向量的索引。
- inverse_transform(X)[source]#
反转转换操作。
- 参数：
- X形状为 [n_samples, n_selected_features] 的数组
输入样本。
- 返回值：
- X_r形状为 [n_samples, n_original_features] 的数组
在
transform将移除特征的位置插入零列的X。
- set_output(*, transform=None)[source]#
设置输出容器。
参见Introducing the set_output API，了解如何使用此 API 的示例。
- 参数：
- transform{"default", "pandas", "polars"}，默认为 None
配置
transform和fit_transform的输出。"default"：转换器的默认输出格式"pandas"：DataFrame 输出"polars"：Polars 输出None：转换配置保持不变
1.4 版本中新增： 添加了
"polars"选项。
- 返回值：
- self估计器实例
估计器实例。